Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东南大学李俊伶获国家专利权

东南大学李俊伶获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉东南大学申请的专利一种基于双边自适应演化Transformer的遥感影像泛锐化方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119379549B

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411507794.0,技术领域涉及:G06T5/60;该发明授权一种基于双边自适应演化Transformer的遥感影像泛锐化方法及系统是由李俊伶;后俊明;王旭航;黄晨彤;陈孝钰;吴晨旭设计研发完成,并于2024-10-28向国家知识产权局提交的专利申请。

一种基于双边自适应演化Transformer的遥感影像泛锐化方法及系统在说明书摘要公布了:本发明公开了一种基于双边自适应演化Transformer的遥感影像泛锐化方法及系统,该方法包括对原始遥感影像进行处理,并划分为训练集、验证集和测试集,构成遥感影像数据集;对遥感影像数据集中的影像分别进行水平和垂直维度的自注意力计算,根据自适应演化机制更新权重,构建基于双边自适应演化Transformer的网络模型;利用遥感影像数据集中的训练集训练基于双边自适应演化Transformer的网络模型,得到训练完成的网络模型,该模型对应的网络参数为全局最优的网络参数;利用训练后的网络模型,得到泛锐化后的遥感影像,完成遥感影像的泛锐化。本发明显著减少了计算量,提升了融合的精度和效率,在不同数据集上具有优异的数值指标和视觉效果。

本发明授权一种基于双边自适应演化Transformer的遥感影像泛锐化方法及系统在权利要求书中公布了:1.一种基于双边自适应演化Transformer的遥感影像泛锐化方法,其特征在于,包括: S1、对原始遥感影像进行处理,得到低分辨多光谱遥感影像和高分辨率全色遥感影像,并将原始的遥感影像和得到的遥感影像划分为训练集、验证集和测试集,构成遥感影像数据集; S2、对遥感影像数据集中的影像分别进行水平和垂直维度的自注意力计算,根据自适应演化机制更新权重,构建基于双边自适应演化Transformer的网络模型;具体为: S201、先通过inter23tap插值将低分辨多光谱遥感影像上采样到与高分辨率全色遥感影像一样的大小,得到的遥感影像记为MSU,利用卷积计算将MSU和高分辨率全色遥感影像投影到高维空间中,得到相应的高维特征,具体公式为: FP=ConvPANPAN 其中,Conv表示卷积层,FM表示低分辨多光谱遥感影像的特征,FP表示高分辨率全色遥感影像的特征; S202、利用水平维度的多头自注意力机制对步骤S201中得到的特征进行处理,得到水平方向的注意力权重图AH,具体公式为: 其中,表示高分辨率全色遥感影像的第一级查询矩阵,表示低分辨多光谱遥感影像的第一级答案矩阵,Softmax表示softmax函数; S203、利用垂直维度的多头自注意力机制对步骤S201中得到的特征进行处理,得到垂直方向的注意力权重图AV,具体公式为: 其中,示高分辨率全色遥感影像的第二级查询矩阵,表示低分辨多光谱遥感影像的第二级答案矩阵; S204、根据AH和AV,得到水平方向的跨模态聚合特征ZH和垂直方向的跨模态聚合特征ZV,具体公式为: 其中,表示低分辨多光谱遥感影像的第一级值矩阵,表示低分辨多光谱遥感影像的第二级值矩阵, S205、基于ZH和ZV,利用卷积神经网络得到总特征Z,具体公式为: Z=gZH,ZV 其中,g·,·表示卷积神经网络; S206、通过自适应演化机制分别更新AH和AV,具体为通过注意力权重图相对应位置生成更新核,再和原权重卷积完成更新,公式如下: A′ij=fUAij*UAij 其中,A′ij表示更新后的注意力权重图,Aij表示注意力权重图,i∈H,j∈W;f·表示神经网络;UAij表示Aij的邻域; S207、基于更新后的注意力权重图和总特征Z,得到新的水平方向的跨模态聚合特征Z′H和新的垂直方向的跨模态聚合特征Z′V,具体公式为: Z′H=A′H×Z Z′V=A′V×Z; S208、基于Z′H和Z′V,利用卷积神经网络计算最终的总特征Z′,具体公式为: Z′=gZ′H,Z′V; S209、重复步骤S206-S208,直到达到设定的次数停止,完成对高维特征的建模,得到基于双边自适应演化Transformer的网络模型,该模型包括水平交叉注意力模块、水平自适应演化模块、垂直交叉注意力模块、垂直自适应演化模块和双边特征聚合模块; S3、利用遥感影像数据集中的训练集训练基于双边自适应演化Transformer的网络模型,得到训练完成的网络模型,该模型对应的网络参数为全局最优的网络参数;利用训练完成的网络模型,得到泛锐化后的遥感影像,完成遥感影像的泛锐化。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人东南大学,其通讯地址为:210096 江苏省南京市玄武区四牌楼2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。